定量与定性资料统计分析错误辨析(2)

定量资料统计分析错误辨析 一、因误判实验设计类型而误用统计分析法 1． 误用配对设计定量资料 t 检验处理重复测量设计定 量资料 (1) 例1：原文题目：消炎痛栓对肝硬化门静脉高压症病 人门静脉压力的影响。原文作者将1994年2月至1998年 10月入院手术治疗的肝炎后肝硬化病人25例作为观察对 象。年龄25～67岁，平均(47±11) 岁；男20例，女5例。全部     

如何用SAS软件正确分析生物医学科研资料ⅩⅩⅡ.结果变量为二值变量的高维列联表资料的统计分析与SAS软件实现(二)

当观测结果是定性资料时,人们习惯将资料整理成列联表形式.比如2×2列联表资料、R×C列联表资料和高维列联表资料等.所谓高维列联表,也就是表中涉及到的定性变量的个数k≥3.对于高维列联表资料,根据结果变量的性质可将高维列联表分为以下三类:一是结果变量为二值变量的高维列联表;二是结果变量为多值有序变量的高维列联表;三是结果变量为多值名义变量的高维列联表.在上一期中,我们已经介绍了用CMHx2检验和加权x2检验处理结果变量为二值变量的高维列联表资料,本文将继续介绍结果变量为二值变量的高维列联表资料的其他分析方法及SAS实现.     

一本与众不同的新型生物医学统计学教材:评《生物医学研究的统计方法》

《生物医学研究的统计方法》是由方积乾教授组织一批长期工作在统计学教学、科研、咨询工作第一线的医学统计学教授们合作编写,2007年6月已由高等教育出版社出版。该书针对当前国内外生物医学论文普遍存在统计学错误的严峻局面,依据国际学术界对生物医学论文的统计学要求来精选     

提高回归模型拟合优度的策略(Ⅱ)——算术均值变换与其他变量变换

本文目的是介绍第二种提高回归模型拟合优度的策略,即算术均值变换与其他变量变换。具体方法包括以下几个方面:①对多值名义自变量采取\"算术均值变换\";②对定量自变量引入派生变量,包括\"对数变换\"\"平方根变换\"\"指数变换\"\"平方变换\"\"立方变换\"和\"交叉乘积变换\"的结果;③对定量因变量分别采取\"对数变换\"\"平方根变换\"\"指数变换\"\"倒数变换\"和\"Logistic变换\";④构建回归模型时,在假定\"包含截距项\"与\"不含截距项\"的条件下,分别采取\"前进法\"\"后退法\"和\"逐步法\"筛选自变量。得到了如下结论:①对定量因变量和自变量不做变量变换时,回归模型的拟合优度非常差;②根据资料所具备的条件,对定量因变量采取不同的变量变换方法,其回归模型的拟合优度是不同的;③对多值名义自变量进行\"算术均值变换\"是合理的,且有助于提高回归模型拟合优度;④对定量自变量引入派生变量是非常有价值的;⑤假定回归模型中不含截距项有助于提高回归模型的拟合优度。     

提高回归模型拟合优度的策略(Ⅳ)——优化计分变换与其他变量变换

本文目的是介绍第四种提高回归模型拟合优度的策略,即优化计分变换与其他变量变换。具体方法包括以下几个方面:①第一,对多值名义自变量采取\"优化计分变换\";②对有序自变量分别采取\"单调变换\"与\"优化计分变换\";③对定量自变量分别采取\"样条变换\"和\"单调样条变换\";④对定量因变量分别采取\"样条变换\"\"单调样条变换\"和\"BOX-COX变换\"。全部变量变换方法组合起来共12种,共创建了12个多重非线性回归模型。依据\"拟合优度评价指标\"的取值,从12个回归模型中挑选出一个,即本文中的\"模型1\",其\"均方误差平方根=0.30935、R~2=0.9586、调整R~2=0.9527\"。结合本期科研方法专题同类文章的结果和结论,得出提高回归模型拟合优度的策略主要在于以下四点:①应对\"定量因变量\"\"定量自变量\"和\"多值有序自变量\"采取合适的变量变换方法;②在拟合回归模型的过程中,应尽可能多地引入派生变量;③应假定回归模型中不含截距项;④在构建回归模型的过程中,应尽可能多地使用筛选自变量的策略,如\"前进法\"\"后退法\"和\"逐步法\"。     

适应性回归分析(Ⅲ)——构建具有混合结构的回归模型

本文目的是通过两个实例介绍适应性回归样条算法对具有混杂结构的数据集进行回归建模的实践。当一个数据集包含多个不同的回归模型时,只要给定分类变量的具体取值,SAS中的\"ADAPTIVEREG过程\"可以比较准确地发掘出其内在规律,并以图形方式呈现模型对资料的拟合效果,还能呈现由\"基函数\"及其组合所构造出的\"回归模型\"。图形呈现的结果确实可以给分析者提供一些有价值的\"分析线索\"或\"积极暗示\",缩小\"探索性研究的空间\"。     

重症SARS患者预后因素的研究

目的　分析影响SARS预后的单因素并建立影响SARS预后的多因素回归模型。方法　采用SPSS 11 0及SDAS软件回顾性分析 16 5例临床确诊的重症SARS患者的临床特征 ,通过对预后的单因素及Logistic多元回归分析 ,建立SARS预后回归模型。结果　①年龄与预后显著相关(r=0 5 0 6 ,P <0 0 0 1) ,≤5 0岁与 >5 0岁患者的病死率分别为 4 0 8%及 5 3 3% (P <0 0 1)。②有无基础病变与预后显著相关 (r=0 .4 5 7,P <0 0 0 1) ,它们的病死率分别为 5 4 5 %及 7 5 % (P <0 0 1)。③病情最重时淋巴细胞绝对数、PLT、尿常规改变、AST、TB、LDH、CK、CK MB、HBDH、UREA、肾功改变、呼吸频率、低氧血症程度、胸片受累肺叶数与预后相关 (r为 0 2 5 7～ 0 788,P <0 0 5 )。④SARS预后多因素回归生物数学模型与低氧血症程度与血小板数有关。多元回归模型为Py=1=es/(1+es) (S=2 4 90×低氧血症程度 - 0 0 5 0×血小板数)。若S >0 ,则Py=1大于 0 5 ,判断为死亡 ;若S<0 ,则Py=1小于 0 5 ,判断为存活。⑤该模型敏感性高 (91 6 7% ) ,特异性强 (98 33% ) ,准确性高(96 4 2 % )。结论　SARS预后模型是建立在SARS病理生理基础和生物数学之上的一种新的、简单、经济、敏感性高、特异性强和准确性高的指征 ,可有效判定SARS     

基于SAS软件实现随机抽样及应用

本文的目的是帮助读者方便快捷地运用SAS软件中的SURVEYSELECT过程实现随机抽样。首先,对SURVEYSELECT过程及SAS数据集Customers进行了简单介绍。接着,结合简单随机抽样、分层随机抽样和控制排序分层随机抽样,介绍了随机抽样的SAS实现方法。读者只需要修改本文中所呈现的SAS程序中的少量参数,就可很方便地使用SAS软件实现随机抽样任务。事实说明,尽管SAS软件非常难学难用,但借助现成的SAS程序,可以轻松自如地解决很多具体问题。     

变量变换回归分析(Ⅰ)——拟合含间断点资料的方法

本文目的是介绍一种能很好地拟合具有间断点资料的方法。当资料中具有明确的间断点或整个资料包含多段不同变化趋势的曲线类型时,为了提高曲线回归模型对资料的拟合优度,需要充分发挥"节点"的作用。可基于两种不同视角来利用"节点":其一,人为设定不同数目的节点,利用样条变换方法拟合分段多项式曲线;其二,在客观存在的节点上,求曲线的一阶乃至四阶导数,并据此构建曲线回归模型。得到的结论是:后者的拟合效果优于前者。     

如何正确把握实验设计的重复与均衡原则

实验设计应遵循的四原则是随机、对照、重复与均衡。上期的讲座中我们介绍了随机与对照原则,本期笔者将结合具体实例向读者阐述实验设计中如何正确把握重复与均衡原则。